MP3

परवा सहजच माझ्या ऑफीस मधल्या सहकार्याला माझा ब्लॉग दाखवत होते. खरं तर तो तेलुगु त्यामुळे माझा मराठीतला ब्लॉग त्याला काही कळणार नव्हता. पण तरीही... मग तो मला विचारत होता की कशाबद्दल लिहितेस? Audio coding? मी म्हणाला की टेक्निकल काहीही नाही फक्त अवांतर. 

मग मी विचार करू लागले की एखाद दुसरी टेक्निकल विषयावरची पोस्ट लिहायला काही हरकत नाही. आणि ज्या तांत्रिक विषयाबद्दल मी लिहू शकते तो फार वेगळा, समजायला अवघड असा काही नाही. कारण आपण ती टेक्नोलॉजी दैनंदिन जीवनात वापरतो. त्यामुळे आजची पोस्ट mp3 के नाम!

गाण्याच्या mp3 फाईल्स आपण आजकाल किती सर्रास वापरतो नाही. डिजिटल audio players न आपण सहजच mp3 players म्हणून टाकतो. मला आठवतंय मी कॉलेज मध्ये असताना म्हणजे साधारण ९८-९९ साली माझी एक मैत्रीण एका सीडी मध्ये शेकडो गाणी घेऊन आली होती. फार नवल वाटलं होतं तेव्हा! कारण तोपर्यंत सीडी मध्ये साधारण ९-१० गाणी असायची. आणि आजकाल आपण बघतो की एका सीडी मध्ये MP3 format मुळे जवळ जवळ १५० - २०० गाणी बसू शकतात.

नक्की हे MP3 प्रकरण आहे काय? तर त्याला टेक्निकल भाषेत CODEC म्हणतात. म्हणजे CODER - DECODER. CODER चे काम असते त्याला मिळालेली माहिती विशिष्ट कोड वापरून कमीत कमी जागेत बसवायची. आणि अश्या कोड भाषेमधली माहिती सर्वसामान्य लोकांना समजेल अश्या स्वरूपात आणण्याचे काम असते DECODER चे.

म्हणजेच आपण ज्या mp3 फाईल्स बघतो त्या कोड केलेल्या असतात. आणि जेव्हा एखाद्या प्लेयर वर आपण ती फाईल चालवतो तेव्हा त्या प्लेयर मधला decoder ती फाईल आपल्याला ऐकू येऊ शकेल अश्या format मध्ये बदलून देतो.

तर हे असं सगळं MP3 मुळे कसं घडू शकतं?

आपण आधी जाणून घेऊयात की पूर्वीची सीडी मध्ये ज्या पद्धतीने गाणी लोड केली असायची ती टेक्नोलॉजी काय आहे ते. पूर्वी सीडींमध्ये PCM format गाणी लोड केली जायची. त्यामुळे एका मिनिटाच्या गाण्यासाठी जवळ जवळ 10MB जागा लागायची. म्हणजे ५ मिनिटाचे गाणे म्हणजे 50 MB ही एका गाण्यासाठी लागणारी जागा होय. आणि आता जर आपण बघितलं तर दिसेल कि MP3 format मुळे साधारण एखादे गाणे 4-5MB एवढ्याच साइझचे असते.        

ही गोष्ट सध्या करण्यासाठी तसं म्हणाला तर अगदी साधं तत्व वापरलं आहे. ते म्हणजे ज्या गोष्टी अनावश्यक आहेत त्या गोष्टी टाकून देणे. पण मग कुठली गोष्ट आवश्यक आणि कुठली अनावश्यक हे कसं ठरवायचं? त्यासाठी काही नियम वापरले जातात. 

 

कुठलाही आवाज असो तो ऐकण्यासाठी आपण आपल्या श्रवणेन्द्रियाचा वापर करतो. पण त्या अवयवायाच्या पण काही मर्यादा असतात. तसंच आपले कान विशिष्ट आवाजच ऐकू शकतात. आता विशिष्ट आवाज म्हणजे काय तर 20Hz - 20kHz ह्या रेंजमधले आवाज आपण ऐकू शकतो. म्हणजे ही जी मर्यादा दिली आहे त्या बाहेरचे आवाज अस्तित्वात असले तरी ते आपल्याला ऐकू येत नाहीत. म्हणजेच कुठलाही ध्वनी दिलेल्या मर्यादेच्या बाहेरचा असेल तर आपल्या कानांसाठी अनावश्यक होतो. उदाहरणार्थ आपण जेव्हा जेव्हा घराची साफ-सफाई करतो तेव्हा आपण अनावश्यक गोष्टी काढून टाकतो. त्यामुळे गरजेच्या वस्तूंना जागा मिळते.

 

अजून एक नियम आहे जो एखादा ध्वनी/आवाज अनावश्यक आहे की नाही ते ठरवतो. आपण जेव्हा खूप गर्दीच्या ठिकाणी असतो तेव्हा सभोवतालच्या मोठ्या आवाजांमुळे आपल्याला दुसर्या व्यक्तीचे बोलणे (जे इतर आवाजाच्या मानाने लहान आवाजातले असते) ऐकू येत नाही. तसेच गाण्यांमध्ये अनेक वाद्ये वाजत असताना एखादा आवाज आपल्या कानांना ऐकू येऊ शकत नाही तेव्हा तो आवाज अनावश्यक होतो.

 

तर जे CODER असतात ते अशी अनावश्यक माहिती गाळून टाकतात आणि आवश्यक माहिती काही सांकेतिक शब्द वापरून कमीत कमी जागेत बसवतात. तसं म्हणालं तर हे आपल्या दैनंदिन आयुष्यामधला तत्त्व पण किती परिणामकारकरित्या वापरलं आहे नाही!